本发明公开了一种用于压缩感知图像信号重构的卷积神经网络，它是一个全卷积神经网络，包括一个全连接层和九个卷积层；首先将图片分成32×32大小的块，其次进行CS测量。所述全连接层采用CS测量作为输入，并输出尺寸为32×32的特征图；本发明具有较低的复杂度及较好的恢复性能，还具有较强的鲁棒性和较高的时间效率，峰值信噪比（PSNR）较传统CS算法TVAL3的PSNR提高了7.2%‑13.95%,较D‑AMP的提高了7.72%‑174.84%。重构图像所需的时间比TVAL3快4‑5倍，比D‑AMP快244‑283倍，具有较高的时间效率，实现了实时重构，和传统重构算法相比，在相同的测量速率下，能更有效地提取场景信息，获得更好的重构效果，并且在降低测量速率时，本发明的信噪比较传统算法的信噪比降低的更缓慢，具有较好的鲁棒性。